[請益] 想改行當資料科學家,能否給點建議?

作者: lovepork (我愛豬肉不愛牛肉)   2018-05-14 12:11:22
各位好,冒昧打擾一下!
我的背景是物理Ph.D. 專長是理論凝聚態物理
Ph.D. 論文的主題之一是做奈米團簇的構型最佳化
使用的演算法為我自己改良的基因演算法+能量谷跳躍法(一種變形的蒙地卡羅法)
這雖不是目前大家主流熟知的深度學習或類神經網絡
但也是機器學習的一個分支,我博士班也因此在這邊累積了不錯的根基
不過我的程式碼是Fortran撰寫的 , 也非Python或是R (Python我只會基本語法)
畢業後, 我轉作金融領域 , 也因此接觸了計量,統計學和一些數據分析的課題
雖然我物理本科的統計力學其實也跟統計學有不算小的重疊
但透過研究金融系統,讓我不再侷限物理系統的統計分析
而是能將研究系統更廣泛的延伸到複雜系統的領域
我目前有在自學微軟和資策會共同辦的一個資料家的認證課程
說來慚愧! 我本來想應徵物理系的助理教授,
但這樣的缺目前真的太競爭
所以想轉換跑道 往資料科學家這條路發展
請教各位! 我需要再補強什麼?
才會在業界的工作岡位有比較好的發揮和競爭力呢???
不知道有沒有人能給予一些建議呢?
讓我在資料科學家這條路上能夠有更完整的基礎和充實的戰力迎接挑戰!
感謝!!!
作者: yamakazi (大安吳彥祖)   2018-05-14 12:22:00
原來愛豬肉是物理博士
作者: ice80712 (我很有事)   2018-05-14 12:23:00
資料科學就不競爭嗎?每個課程出來都一堆學生
作者: yamakazi (大安吳彥祖)   2018-05-14 12:24:00
在金融領域不是做得好好的? 想辦法內轉吧
作者: ice80712 (我很有事)   2018-05-14 12:24:00
學幾個月就會了 這樣也不好談到高薪吧
作者: azurepipi (蔚藍)   2018-05-14 13:13:00
個人覺得是加強所屬的領域知識 技術方面金融領域 軟體工程幾乎都不太重視 而偏重決策分析與視覺化
作者: Dartmoor (縱谷的春天)   2018-05-14 13:30:00
https://tinyurl.com/y86y9cn8 今天剛好看到的
作者: weinine32 (隨意)   2018-05-14 14:31:00
我覺得,你把Python或R摸熟後就可以去面試了。
作者: rupcj8 (唉呀)   2018-05-14 14:52:00
感覺很強 我覺得你可以直接開投了不過在台灣物理博去GG直接有33 其他產業可能沒那麼多錢?
作者: aiueokaki   2018-05-14 15:41:00
直接投不好嗎?可以知道自己缺什麼
作者: j611062000 (iLoveLumia)   2018-05-14 15:47:00
可以直接投worldquant
作者: eva19452002 (^^)   2018-05-14 17:39:00
你好強,感覺板上沒幾個人可以給你建議
作者: baseguard (....NN )   2018-05-14 17:58:00
物理很適合,看你要鑽多深,要點時間
作者: hahaxd78 (HAHA)   2018-05-14 18:14:00
去打kaggle證明自己實力
作者: jojojen (JJJ)   2018-05-14 18:17:00
等大大成功發心得文~
作者: BignoZe (BignoZe)   2018-05-14 18:38:00
你太強了 code好練 數學才是困難的地方
作者: senjor (哞哞)   2018-05-14 18:56:00
你等級太高了,無法給建議 (躺
作者: readonly (唯讀)   2018-05-14 19:02:00
Python對你來說應該是一天就學完了吧!
作者: s860134 (s860134)   2018-05-14 19:05:00
直接去面試都有人收可以看李宏毅和林軒田教授線上課程 看完就差不多了機器學習本質還是在做目標函數的最佳化
作者: exe1023 (Alex)   2018-05-14 19:48:00
我也覺得數學強的話直接丟worldquant吧
作者: lukelove (午睡)   2018-05-14 21:00:00
非本科phd找職位, 碰ml又不用上production, 轉跑道很難ㄅ
作者: Morphee (千磨萬擊還堅勁)   2018-05-14 21:05:00
直接錄取了 年薪200萬不需要補強
作者: ChoDino (Dino)   2018-05-14 21:09:00
直接找工作,會不會 python 或 R 不是重點
作者: Sunal (SSSSSSSSSSSSSSSSSSSSSSS)   2018-05-14 21:13:00
直接找就好了
作者: shiauji (消極)   2018-05-14 21:57:00
統計力學我學怎麼都跟統計學無關呢?連隨機變數我都沒用到... 好奇想問你學的是哪本統計力學?頂多是一些例題用到白努力或是二項分布而已...微乎其微(更正 白努力分布就是二項分布 一時嘴快另外建議可以學有物件導向的語言,Fortran是沒物件導向的就是在算數值解較快,建議可以從Java/CPP HowToProgram入手,大概刷完1000頁就有基本概念,比櫻花量力好讀多了而資料科學家,會建議要學好python,底層的東西學好些畢竟ML都是用python,當然也可以從python來學物件導向了解,自己的授課老師是有講,但我是有修數學系才懂得XD感覺前輩你也是猛猛的!一定可以的
作者: ProTrader (沒有暱稱)   2018-05-14 23:18:00
有很強的機器學習演算法實作能力 學好Python CP值最高當然 你要用其他平台或語言也無所謂啦 總之要能實作專家級或至少接近專家的領域知識(其他領域) 以金融為例全球總經 利率 匯率 原物料 股票 衍生性金融商品....股票次級領域 產業 新聞 財報 技術型態 籌碼.....分點進出表屬於籌碼進階知識 基礎是融資融券三大法人總之 各種層級的領域知識 再收集相對應的資料就能套入各種機器學習演算法分析 得到分析結果各種機器學習演算法 重要的不多 全部學會對你來說不難困難的是 你要先找到資料科學家職缺而且你懂領域知識
作者: aappooww (人生如戲戲如人生)   2018-05-14 23:47:00
去報北醫大數據學士後
作者: dini2012 (dini)   2018-05-14 23:48:00
覺得可以直接投 worldquant +1
作者: thid5335 (討推專家)   2018-05-15 00:28:00
中央物理可能不一定過resume screen吧
作者: goldflower (金色小黃花)   2018-05-15 00:32:00
worldquant好像蠻吃學歷跟特殊經歷的
作者: discipile (DIS)   2018-05-15 00:36:00
不看好這麼多資料科學家工作的可能性我熟悉的幾間公司開的資料科學家或工程師缺實際上都是資料工程師而已
作者: atpx (秋雨的心情)   2018-05-15 01:25:00
建議直接上linked in找亞洲區的演算法缺工具技能不用擔心, 聘的起你的一定有足夠資源讓你學工具你的高度在台灣金融界沒有缺, 很遺憾這樣說
作者: gbd37 (我想抓波波)   2018-05-15 08:05:00
太難啦 看不懂啊 幾個人看的懂
作者: gozule (好冷啊~~)   2018-05-15 08:08:00
金融計量深入後,和物理的熱力學與解pde有很深的關係,資料科學反而變成是工具而不是主力而且會重度使用最佳化分析,這才和資料科學比較有關
作者: BBSealion (海獅)   2018-05-15 09:29:00
做quant屌打台灣絕大多數資料科學家,就算國外也不輸XD我是說國外quant比國外資料科學家。好quant不做嗎?
作者: painkiller (肚子餓~)   2018-05-15 09:42:00
去對岸做quant比較快 台灣DS缺應該不多
作者: ProTrader (沒有暱稱)   2018-05-15 13:36:00
有2種 p-quant(機器學習) q-quant(解偏微分)前者分析歷史資料 後者建模型導公式 哪個才是你要的?自己孤狗 選擇權BS模型 拿諾貝爾獎 是後者典範前者就現在很紅的機器學習資料科學家之類的我屬於前者 不管哪一種 都是外國缺遠多於台灣
作者: davidtnfsh   2018-05-16 09:41:00
原po想做想做哪個領域的資料分析?
作者: Harlequin727 (Prideeeee)   2018-05-16 15:19:00
國外不少有data scientist的缺 薪資也很高Senior同事月薪都是25W台幣以上
作者: davidtnfsh   2018-05-16 21:42:00
如果已經有喜歡的領域,或許樓主可以在該領域做side project或是相關領域的kaggle,最後把成果附在履歷上,這樣應該就穩了xd
作者: THEWORLDS (天下)   2018-05-17 23:51:00
GOOGLE
作者: erlangsen (關於本人很難理解)   2018-05-20 14:59:00
我也是學相變理論的,研究主軸是磁性系統,主要方法都用零溫量子蒙地卡羅跟重整化群。常看到一般統計的前提也未免太~理想了吧,真的可以解決真實問題嗎XD

Links booklink

Contact Us: admin [ a t ] ucptt.com